Apple-Studie hinterfragt die Fähigkeit von KI-Modellen zur echten Problemlösung

LONDON (IT BOLTWISE) – Eine kürzlich veröffentlichte Studie von Apple hat die Diskussion über die tatsächlichen Fähigkeiten von KI-Modellen, Probleme durch logisches Denken zu lösen, neu entfacht.

Eine aktuelle Studie von Apple hat die Debatte über die Fähigkeit von KI-Modellen, Probleme durch logisches Denken zu lösen, neu entfacht. Die Forscher untersuchten sogenannte “große Reasoning-Modelle” (LRMs), die versuchen, einen logischen Denkprozess zu simulieren, indem sie einen deliberativen Textausgabeprozess erzeugen, der angeblich bei der schrittweisen Lösung von Problemen hilft. Die Studie, die von einem Team unter der Leitung von Parshin Shojaee und Iman Mirzadeh durchgeführt wurde, zeigt, dass diese Modelle bei der Lösung von klassischen Puzzles wie dem Turm von Hanoi oft scheitern.

Die Forscher stellten fest, dass die Modelle bei einfachen Aufgaben wie dem Turm von Hanoi mit nur wenigen Scheiben schlechter abschnitten, da sie dazu neigten, zu “überdenken” und lange Gedankenketten zu erzeugen, die zu falschen Antworten führten. Bei mittelschweren Aufgaben hatten die Reasoning-Modelle einen Vorteil, aber bei wirklich schwierigen Aufgaben, wie dem Turm von Hanoi mit 10 oder mehr Scheiben, scheiterten beide Modelltypen vollständig.

Die Studie zeigt auch, dass die Leistung der Modelle bei zunehmender Komplexität der Probleme zunächst steigt, dann aber abnimmt, obwohl ausreichende Rechenressourcen vorhanden sind. Diese “kontraintuitive Skalierungsgrenze” deutet darauf hin, dass die Modelle ihre Denkbemühungen über einen bestimmten Schwellenwert hinaus reduzieren.

Einige Experten, wie der KI-Forscher Gary Marcus, sehen in den Ergebnissen eine Bestätigung ihrer Kritik an KI-Modellen. Marcus argumentiert, dass diese Modelle eher auf Mustererkennung als auf systematisches Denken setzen. Andere Forscher, wie der Ökonom Kevin A. Bryan, argumentieren jedoch, dass die beobachteten Einschränkungen auf bewusste Trainingsbeschränkungen zurückzuführen sein könnten.

Die Diskussion über die Fähigkeit von KI-Modellen, echte Problemlösungen zu bieten, bleibt umstritten. Während einige die Ergebnisse der Apple-Studie als Beweis für die Grenzen der aktuellen KI-Technologien sehen, argumentieren andere, dass diese Modelle dennoch nützlich sein können, insbesondere bei Aufgaben, die keine tiefgehende logische Analyse erfordern.

Die Studie von Apple und die damit verbundenen Diskussionen verdeutlichen, dass der Weg zu einer robusteren Problemlösungsfähigkeit von KI-Modellen möglicherweise andere Ansätze erfordert als die derzeitigen Methoden. Die Ergebnisse haben in der KI-Community für Aufsehen gesorgt und die Debatte über die allgemeine Nützlichkeit von generativer KI neu entfacht.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!